大数据数据库应用技术测试词云图

基于中文新闻分词绘制词云图

1、数据导入展示：

将所有类别的新闻导入数据库中。以树形目录形式展示新闻类别，每个树形节点代表

新闻分类，括号中代表该类新闻的数量，选择每个新闻，以列表形式显示新闻标题，点击新

闻标题，可以查看详细信息。

2、文章统计：

统计各个类别的文章总数，以柱状图表示。

3、文章分词：

使用中文分词算法解析所有新闻正文，并统计每个词语出现的数量，并以词云图的方

式展示，点击词云图中该词语，显示其数量。

4、选择某一类文章，绘制该类型新闻文章词云图，例如汽车类新闻词云图。

测试结果：

1.

2.

3.

4.

先分享使用python进行分词的代码：

import jieba
import pandas as pd
import re
from collections import Counter

import pymysql
import xlwt
import csv
if __name__ == '__main__':
    file_ob=open('E:\大三上\软件需求\ceshi02/main.csv',encoding='utf-8').read().split('\n')
    file = open("final_hotword2.txt", "w", encoding='utf-8');
    filepaixu = open("main.txt", "w", encoding='utf-8');
    rs2=[]
    dbinserthot = []
    for i in range(len(file_ob)):
        result=[]
        seg_li=jieba.cut(file_ob[i])
        for w in seg_li:
            result.append(w)
        rs2.append(result)
    c = Counter()
    stopwords = {}.fromkeys([line.rstrip() for line in open(r'final.txt', encoding='UTF-8')])
    for seg_list in rs2:
        for x in seg_list:
            if x not in stopwords:
                if len(x) > 1 and x != '\r\n' and x != 'quot':
                    c[x] += 1
    print('\n词频统计结果：')
    for (k, v) in c.most_common(1000):  # 输出词频最高的前两个词
        print("%s:%d" % (k, v))
        file.write(k + '\n')
        filepaixu.write(k + "," + str(v) + '\n')
        value = [k, str(v)]
        dbinserthot.append(value)
    tuphot = tuple(dbinserthot)
    db = pymysql.connect(host="localhost", user="root", password="1229", database="newfc", charset='utf8')
    cursor = db.cursor()
    sql_hot = "INSERT INTO mainTu values(%s,%s)"
    try:
        cursor.executemany(sql_hot, tuphot)
        db.commit()
    except:
        print('执行失败，进入回调3')
        db.rollback()
    db.close()
    file=open('G:\Python程序\ceshi\st.txt','w',encoding='utf-8')
    file.write(str(rs2));
    file.close()

　　词云图的项目后续后上传到GitHub中